Quantification of the change in SUV due to the presence of defective detector blocks in clinical FDG PET imaging
Notice bibliographique
Résumé
1507 Objectives Clinical PET systems based on block detector designs suffer occasional block detector failures, which can result in patient scan cancellations. In this study we examine the effects of defective detectors on measurements of SUVmax through imaging of a torso phantom. Methods A Data Spectrum anthropomorphic torso phantom was imaged in a normally functioning Siemens Biograph 16 HiRez PET/CT scanner using a whole-body imaging protocol. The torso volume had an activity concentration defined as a SUV of 1.0. Six spherical and shell lesions with different activity concentrations were placed in the phantom. 11 one-block and 3 two-block defect cases were created by zeroing lines of response in the sinograms. The images were reconstructed using the standard clinical OSEM protocol. SUVmax was measured for each lesion and defect case on a Siemens Leonardo Workstation, with the SUVmax for the normal case (i.e. no defect present) serving as the true value for comparison. Results Our preliminary results show that the average decrease in SUVmax over all lesions was 2% for one-block and 6% for the two-block defect cases. The largest observed change in SUVmax was 6% for a one-block defect and 8% for a two-block defect. Conclusions In the presence of one or two defective block detectors, the observed change in SUVmax was in no case large enough to affect the clinical diagnosis of a lesion. Thus for these cases we recommend proceeding with routine patient scanning, with the caveat of making the reading physicians aware of the defect being present. Research Support Winnipeg Health Sciences Foundation
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».